配料过程非平稳时间序列混合预测模型
针对氧化铝配料过程波动较大的非平稳时间序列参数预测问题,提出了一种基于小波分析的 ARMA(自回归移动平均)模型、BP 神经网络模型和 Holt-Winters 非季节模型的组合模型。首先通过小波分解,将原始时间序列依尺度分解为同长度不同频率的数据,然后对经过处理的高频数据和低频数据分别采用不同的模型进行预测,最后将不同频率的所有预测数据进行重构得到原始时间序列的组合预测模型。预测结果表明,所建立的模型对波动较大的非平稳时间序列的预测具有很大的优势。
配料过程、小波分析、BP 神经网络、组合模型
TP29(自动化技术及设备)
国家自然科学基金61203136;湖南省青年基金12JJ4062,13JJ9016
2015-10-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
908-913